Evidence-Grounded Parliament — Chaque chapeau cite un papier, pas une opinion
23 juin 2026 · Dream #2 (score 8.8/10)
Le Parlement Cognitif débat. Mais sur quoi, exactement ?
Actuellement, chaque chapeau « pense » — le White Hat énonce des faits, le Red Hat exprime des émotions, le Black Hat critique. Mais quand un seul modèle simule tout, les « faits » du White Hat sont aussi hallucinés que les « émotions » du Red Hat. Le débat est structurellement élégant mais épistémologiquement creux.
La solution ? Chaque chapeau ne génère plus une opinion — il cite un papier.
La fusion Karpathy × Parlement Cognitif
Le pattern Karpathy Autoresearch automatise la découverte de littérature scientifique : un agent crawle arXiv, ACM, IEEE, extrait les papiers pertinents, les résume, et les stocke comme nœuds paper dans le Memory-Graph de BMAM.
La fusion est organique :
- Pre-debate phase : l'agent Karpathy Autoresearch est lancé sur la question à débattre. Il découvre 5 à 20 papiers pertinents, les résume, les indexe.
- Chapeau assignment : chaque chapeau reçoit un sous-ensemble des papiers découverts, sélectionnés selon son rôle — le White Hat reçoit les papiers de benchmarks et de mesures, le Black Hat les papiers critiques et les analyses de risques, le Green Hat les papiers sur les approches alternatives et émergentes.
- Evidence-grounded debate : chaque chapeau formule sa position en citant explicitement les papiers de son corpus. Pas de « il est probable que » — du « Smith et al. (2024) rapporte un taux d'échec de 23% sur ce type d'architecture. »
- Graph enrichment : les citations deviennent des edges
cites,supports, oucontradictsdans le Memory-Graph. La décision finale du Parlement est traçable jusqu'aux papiers sources.
Ce que ça change
Un Parlement Cognitif classique donne une opinion multi-perspective. Un Evidence-Grounded Parliament donne une synthèse bibliographique argumentée. La différence est fondamentale :
| Parlement classique | Evidence-Grounded Parliament |
|---|---|
| White Hat : « La quantification 4-bit dégrade la qualité de ~5% » | White Hat : « Dettmers et Zettlemoyer (2023, ICLR) rapportent une dégradation de 3.8% en perplexité pour LLaMA-7B quantifié en 4-bit GPTQ. » |
| Black Hat : « Cette approche est risquée en production » | Black Hat : « Kumar et al. (2024, MLSys) documentent 14% de dégradation silencieuse dans les pipelines RAG non monitorés après 6 mois. » |
| Green Hat : « On pourrait utiliser des modèles plus petits » | Green Hat : « Gunasekar et al. (2023, arXiv) montrent que Phi-1.5 (1.3B) atteint 75% du score de modèles 7B sur des tâches de raisonnement — avec 5× moins de latence. » |
Le rôle du Memory-Graph
Les papiers découverts par Karpathy Autoresearch deviennent des nœuds permanents dans le Memory-Graph de BMAM. Chaque nœud paper contient :
- Métadonnées complètes (DOI, auteurs, conférence, année)
- Résumé structuré (objectif, méthode, résultats, limites)
- Edges vers les chapeaux qui l'ont cité
- Edges vers les décisions qui en ont découlé
La bibliographie du Parlement n'est pas perdue après le débat. Elle devient une base de connaissances cumulative. Le prochain débat sur un sujet connexe hérite automatiquement du corpus existant.
Implications pour l'architecture décisionnelle
Cette approche transforme HERMYTHOS V2.0 d'un simulateur de débat en un moteur de décision scientifique. Les décisions ne sont pas « ce que le modèle pense » — elles sont « ce que la littérature démontre, interprété par six perspectives complémentaires ».
Pour les clients de KINETIC AXIOM : les décisions architecturales, les choix de stack, les stratégies de déploiement sont désormais défendables. Pas de « on a suivi l'intuition du LLM » — du « voici les 12 papiers qui soutiennent cette décision, avec les edges de contradiction documentés ».
Un Parlement qui ne pense pas — qui sait.
Votre Parlement ne devrait pas improviser
L'Evidence-Grounded Parliament est la prochaine brique d'HERMYTHOS V2.0. Vous voulez des décisions techniques traçables jusqu'au papier source ?
→ Contact